Einführung in die Statistik für WInf, LaB, CE, Inf BSc etc.

Werbung
A
Fachbereich Mathematik
Prof. Dr. K. Ritter
B. Debrabant
T. Wagner
Dr. M. Doering
TECHNISCHE
UNIVERSITÄT
DARMSTADT
SS 2007
20./21.06.2007
Einführung in die Statistik
für WInf, LaB, CE, Inf BSc etc.
5. Übung, Lösungsvorschlag
Gruppenübungen
Aufgabe G13
a) Wir erläutern Beispiel VI.31. Zunächst ist (Zi )i∈N mit Zi := (Yi + 1)/2 eine unabhängige, identisch verteilte Folge von B(1, p)-verteilten Zufallsvariablen. Damit gilt
für n ∈ N
n
X
Zi ∼ B(n, p),
i=1
also
n
P
(Yi + 1)/2 = (Sn + n)/2 ∼ B(n, p). Daraus folgt für die Verteilung von Sn
i=1
x+n
Sn + n
=
P ({Sn = x}) = P
2
2
n
p(x+n)/2 (1 − p)(n−x)/2 ,
=
(x + n)/2
falls x ∈ {−n, −n + 2, . . . , n − 2, n} und P ({Sn = x}) = 0 sonst (vgl. auch Satz IV.36).
Ferner ergibt sich
Sn + n
E(Sn ) = E 2 ·
− n = 2np − n = n(2p − 1),
2
Sn + n
Var(Sn ) = Var 2 ·
− n = 4 Var((Sn + n)/2) = 4np(1 − p).
2
b) Zunächst stellen wir fest, dass E(Sn /n) = E(Y1 ) = 2p − 1. Gesucht ist also
P ({|Sn /n − (2p − 1)| < 0.1}).
Beispiel VI.30 zeigt, dass
P ({|Sn /n − (2p − 1)| < 0.1}) =
X n k∈K
für K = {k ∈ {0, 1, . . . , n} : |k − np| < n/2 · 0.1}.
k
pk (1 − p)n−k
p
n
K
1/2 20
{10}
1/2 50 {23, . . . , 27}
1/2 100 {46, . . . , 54}
1/4 20
{5}
1/4 50 {11, . . . , 14}
1/4 100 {21, . . . , 29}
P ({|Sn /n − (2p − 1)| < 0.1})
0.1762
0.5201
0.6318
0.2023
0.4859
0.7016
c) Schwaches Gesetz der großen Zahlen (vgl. Satz VI.32): Für jedes > 0 gilt
lim P ({|Sn /n − (2p − 1)| ≥ }) = 0.
n→∞
Starkes Gesetz der großen Zahlen: Für fast alle ω ∈ Ω gilt
lim Sn (ω)/n = 2p − 1.
n→∞
d) Wir gehen analog zu Beispiel VI.50 vor. Gesucht ist eine Folge (cn )n∈N in ]0, ∞[ so,
dass
lim P ({|Sn − n(2p − 1)| ≤ cn }) = α.
n→∞
Für p = 3/4 ergibt sich E(Sn ) = n/2 sowie Var(Sn ) = 3n/4 (s. Teil a)). Damit erhält
man die standardisierte Summenvariable
Sn − n/2
Sn∗ = p
.
3n/4
Der Zentrale Grenzwertsatz (Satz VI.46) liefert nun:
cn
∗
lim P ({|Sn − n/2| ≤ cn }) = lim P
|Sn | ≤ √
n→∞
n→∞
3n/2
2cn
−2cn
= Φ √
−Φ √
3n
3n
2cn
= 2Φ √
− 1.
3n
Gleichsetzen mit α führt zu
Φ
2c
√n
3n
= (1 + α)/2
√
3n
⇔ cn = u(1+α)/2 ·
.
2
Aufgabe G14
a) Zunächt stellen wir fest, dass Eϑ (X1 ) = ϑ gilt (vgl. Beispiel VI.6). Damit können wir
Satz VII.7 anwenden oder die Schätzfunktion zu Fuß auf Erwartungstreue überprüfen
(s. Beweis desselben Satzes). Dabei verwenden wir die Linearität des Erwartungswertes
(vgl. Bemerkung VII.1).
1
1
ϑ
ϑ
E (gn (X)) = E
(X1 + . . . + Xn ) = Eϑ (X1 + . . . + Xn )
n
n
1 ϑ
1
ϑ
ϑ
=
(E (X1 ) + . . . + E (Xn )) =
n · E (X1 )
n
n
= Eϑ (X1 ) = ϑ.
b) Für die Varianz erhalten wir wegen Varϑ (X1 ) =
(2ϑ−0)2
12
=
ϑ2
3
analog
2
1
1
Var (gn (X)) = Var
(X1 + . . . + Xn ) =
Varϑ (X1 + . . . + Xn )
n
n
2 1 2
1
ϑ
ϑ
=
Var (X1 ) + . . . + Var (Xn ) =
· n Varϑ (X1 )
n
n
Varϑ (X1 )
ϑ2
=
=
,
n
3n
ϑ
ϑ
wobei sowohl Satz VI.22 (ii) als auch der Satz von Bienaymé benutzt wird. Aus Bemerkung VII.15 erhalten wir für den Quadratmittel-Fehler
Rϑ (gn ; γ) = Varϑ (gn (X)) =
ϑ2
.
3n
c) Die Folge ist stark konsistent. Begründung: Satz VII.7 bzw. das starke Gesetz der
großen Zahlen.
d) Wegen Varϑ (X1 ) =
te leistet, nämlich:
ϑ2
3
= γ(ϑ) liefert Satz VII.9 die Schätzfunktion, die das Gewünschn
1 X
(xi − xn )2 .
vn (x) =
n − 1 i=1
Aufgabe G15
Die Zufallsvariable Xi beschreibe die Bedienungsdauer der i-ten Person (i = 1, . . . , 40).
Dann kann (Xi )i∈N als unabhängige, identisch verteilte Folge angenommen werden. Aus
X1 ∼ Exp(λ) und E(X1 ) = 5/6 folgt λ = 6/5 (s. Beispiel VI.6). Die Summe S :=
X1 + . . . + X40 ist nach dem Zentralen Grenzwertsatz näherungsweise normalverteilt, und
zwar mit den Parametern (verwende Beispiel VI.6)
1
µ = E(S) = 40 E(X1 ) = 33 ,
3
7
σ 2 = Var(S) = 40 Var(X1 ) = 27 .
9
Damit folgt



1
35
−
33
3

P ({S ≤ 35}) ≈ P  S ∗ ≤ q

7 
27 9
≈ Φ(0.32) = 0.6255.
Herunterladen